车辆的控制方法、控制装置和电子设备与流程

本技术涉及能量管理领域，具体而言，涉及一种车辆的控制方法、控制装置和电子设备。

背景技术：

1、公交车是城市交通中最为普遍的一种大众运输工具，混动公交车因具有节能减排、可靠性高等优势而得到广泛关注。混动公交车的能量管理策略对充分发挥混合动力系统的优势具有重要作用。然而现有的混动公交车能量管理策略，工况依赖性高，面对复杂多变的实际道路行驶场景时，节油效果并不突出。

2、因此，亟需一种工况适应性强、节油的车辆控制方法。

技术实现思路

1、本技术的主要目的在于提供一种车辆的控制方法、控制装置和电子设备，以至少解决现有技术中工况依赖性高，面对复杂多变的实际道路行驶场景时，节油效果并不突出的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种车辆控制方法，包括：将车辆的当前工况数据输入至扭矩分配模型中，得到所述当前工况对应的第一最佳扭矩分配比例，其中，所述扭矩分配模型为使用多组历史数据训练得到的，每组所述历史数据包括历史工况数据和历史最佳扭矩分配比例，工况数据包括：历史车速、当前车速、当前电池soc、需求扭矩、历史平均车速、当前加速度、历史平均加速度、时间、路段信息以及剩余行驶里程，所述扭矩分配比例为发动机扭矩占总需求扭矩的比例；利用下一站点的soc、当前soc、上一站点到所述下一站点的平均速度以及所述上一站点到当前位置的平均速度对所述第一最佳扭矩分配比例进行优化，得到第二最佳分配比例；在所述第二最佳分配比例小于等于0的情况下，确定最终最佳分配比例为0，在所述第二最佳分配比例大于0的情况下，根据所述第二最佳分配比例与至少一个分配比例限制确定最终最佳分配比例，至少一个所述分配比例限制至少包括根据当前发动机的最大功率计算得到的分配比例限制，其中，所述最终最佳分配比例大于等于0且小于等于所述第二最佳分配比例；根据所述最终最佳分配比例控制所述车辆。

3、可选地，所述方法还包括：构建步骤，基于所述工况数据构建神经网络，所述神经网络包括输入层、隐藏层和输出层；训练步骤，将所述工况数据划分为训练集和验证集，将所述训练集输入所述神经网络进行训练，并通过梯度下降法来调整所述神经网络的模型参数，并利用所述验证集计算调整所述模型参数后的所述神经网络的误差，直到达到预设条件为止，得到一个初始模型，其中，所述预设条件包括以下至少之一：迭代次数达到预设次数、梯度更新到预设值、所述误差不再减小；验证步骤，根据各输出最佳扭矩分配比例和对应的所述验证集中的历史最佳扭矩分配比例计算所述初始模型和各所述更新模型的准确率，确定准确率最高的模型为所述扭矩分配模型，其中，所述输出最佳扭矩分配比例为所述验证集中的所述历史工况数据输入所述初始模型和各所述更新模型，得到的输出。

4、可选地，所述方法还包括：通过dp算法分析所述历史工况数据，得到所述历史最佳扭矩分配比例。

5、可选地，所述方法还包括：获取预设线路的特征工况，并根据所述预设线路的特征工况且利用dp算法，计算得到最优soc曲线，所述预设线路的特征工况由组成所述预设线路的多个站点中两个相邻所述站点之间的特征工况拼接形成；根据所述最优soc曲线，确定所述预设线路中的所述当前位置的下一站点的soc、所述当前soc、所述上一站点到所述下一站点的平均速度以及所述上一站点到所述当前位置的平均速度。

6、可选地，所述预设线路的特征工况的获取过程包括：根据不同的站点对所述工况数据进行切分，得到多段数据，每段数据对应两个站点之间的工况数据，对所述每段数据的车速数据进行采样频率的调整，将高频率数据进行重采样以降低采样频率，将低频率数据舍弃，得到多段调整数据；采用畸点剔除法和数据补齐法对所述多段调整数据中的每段所述调整数据进行数据预处理，得到多段预处理后数据；对所述多段预处理后数据中的每段所述预处理后数据采用定步长截取法进行片段切割，得到若干个等长的片段，对每个所述片段进行主成分分析，得到所述每个片段的特征，根据所述特征对同一段所述预处理后数据中的多个片段进行聚类，得到多个聚类簇，将所述一个聚类簇中的片段进行拼接，得到第一特征工况；计算每段预处理后数据中的多个所述第一特征工况的特征参数与对应的每段所述预处理后数据中相应的特征参数的相似度，并确定相似度最大的所述特征参数对应的所述第一特征工况为第二特征工况；将多段所述预处理后的数据对应的多个第二特征工况依次进行拼接，得到所述预设线路的特征工况。

7、可选地，所述预设线路的特征工况的获取过程还包括：在得到多段所述调整数据之前，采用公式计算采用频率调整后的每段所述数据的离散程度；在某段数据的上述离散程度大于预设阈值的情况下，则增加所述某段数据的数据量，直到所有所述数据的离散程度小于等于所述预设阈值；其中：xi是某天数据，x是某天平均数，n是样本数量，vs是特征值变异系数。

8、可选地，利用下一站点的soc、当前soc、上一站点到所述下一站点的平均速度以及所述上一站点到当前位置的平均速度对所述第一最佳扭矩分配比例进行优化，得到第二最佳分配比例，包括：采用公式计算所述第二最佳分配比例；其中：pnn为所述第二最佳分配比例，pnn为所述第一最佳扭矩分配比例，soci为下一站点参考soc值，socn为当前soc值，为站点i段的平均速度，为站点i-1段开始到当前的平均速度，vmax为最大车速，vmin为最小车速，a、b是根据实际情况调节的参数。

9、可选地，在所述第二最佳分配比例大于0的情况下，根据所述第二最佳分配比例与至少一个分配比例限制确定最终最佳分配比例，包括：

10、利用公式确定最终最佳分配比例，其中，pnn为所述第二最佳分配比例，pe是根据当前所述发动机的最大功率计算得到的所述分配比例限制且pm_c是根据当前电机的最大发电功率计算得到的所述分配比例限制且pm_d是根据当前所述电机的最大耗电功率计算得到的所述分配比例限制且pb_c是根据当前所述电池的最大充电功率计算得到的所述分配比例限制且pb_d是根据当前所述电池的最大充放电率计算得到的所述分配比例限制且是当前所述发动机的最大功率，是当前所述电机的最大发电功率，是当前所述电机的最大耗电功率，是当前所述电池的最大充电功率，是当前所述电池的最大放电功率，qdem为当前需求功率。

11、根据本技术的再一方面，提供了一种车辆控制装置，包括：

12、第一确定单元，用于将车辆的当前工况数据输入至扭矩分配模型中，得到所述当前工况对应的第一最佳扭矩分配比例，其中，所述扭矩分配模型为使用多组历史数据训练得到的，每组所述历史数据包括历史工况数据和历史最佳扭矩分配比例，工况数据包括：历史车速、当前车速、当前电池soc、需求扭矩、历史平均车速、当前加速度、历史平均加速度、时间、路段信息以及剩余行驶里程，所述扭矩分配比例为发动机扭矩占总需求扭矩的比例；

13、优化单元，用于利用下一站点的soc、当前soc、上一站点到所述下一站点的平均速度以及所述上一站点到当前位置的平均速度对所述第一最佳扭矩分配比例进行优化，得到第二最佳分配比例；

14、第二确定单元，用于在所述第二最佳分配比例小于等于0的情况下，确定最终最佳分配比例为0，在所述第二最佳分配比例大于0的情况下，根据所述第二最佳分配比例与至少一个分配比例限制确定最终最佳分配比例，至少一个所述分配比例限制至少包括根据当前发动机的最大功率计算得到的分配比例限制，其中，所述最终最佳分配比例大于等于0且小于等于所述第二最佳分配比例；

15、控制单元，用于根据所述最终最佳分配比例控制所述车辆。

16、根据本技术的又一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的车辆控制方法。

17、应用本技术的技术方案，将车辆的当前工况数据输入至扭矩分配模型中，得到第一最佳扭矩分配比例，所述扭矩分配模型使用多组历史工况数据和历史最佳扭矩分配比例训练得到；利用下一站点和当前soc、上一站点到所述下一站点以及所述上一站点到当前位置的平均速度对所述第一最佳扭矩分配比例进行优化，得到第二最佳分配比例；在所述第二最佳分配比例小于等于0的情况下，确定最终最佳分配比例为0，在所述第二最佳分配比例大于0的情况下，根据所述第二最佳分配比例与至少一个分配比例限制确定最终最佳分配比例，至少一个所述分配比例限制至少包括根据当前发动机的最大功率计算得到的分配比例限制，其中，所述最终最佳分配比例大于等于0且小于等于所述第二最佳分配比例；根据所述最终最佳分配比例控制所述车辆。该方法中，根据当前车辆状态和公交站点信息实时调整能量分配，从而解决了现有技术中车辆能量管理策略工况依赖性高，面对复杂多变的实际道路行驶场景时，节油效果并不突出的问题。